論文の概要: Decoding Nature with Nature's Tools: Heterotic Line Bundle Models of
Particle Physics with Genetic Algorithms and Quantum Annealing
- arxiv url: http://arxiv.org/abs/2306.03147v1
- Date: Mon, 5 Jun 2023 18:00:24 GMT
- ステータス: 処理完了
- システム内更新日: 2023-06-07 18:59:44.279501
- Title: Decoding Nature with Nature's Tools: Heterotic Line Bundle Models of
Particle Physics with Genetic Algorithms and Quantum Annealing
- Title（参考訳）: 自然のツールで自然をデコードする:遺伝的アルゴリズムと量子アニーリングによる粒子物理学のヘテロティックラインバンドルモデル
- Authors: Steve Abel, Andrei Constantin, Thomas R. Harvey, Andre Lukas and Luca
A. Nutricati
- Abstract要約: 遺伝的アルゴリズム(GA)は、離散最適化技術の強力なクラスである。
このレターでは、アーベルバンドルを持つ滑らかなカラビ・ヤウ多様体上にコンパクト化された$E_8times E_8$ヘテロティック弦理論の幾何学的コンパクト化に焦点を当てる。
解析式をバンドル値コホモロジーに利用して、スペクトル要求の全範囲を課す。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: The string theory landscape may include a multitude of ultraviolet embeddings
of the Standard Model, but identifying these has proven difficult due to the
enormous number of available string compactifications. Genetic Algorithms (GAs)
represent a powerful class of discrete optimisation techniques that can
efficiently deal with the immensity of the string landscape, especially when
enhanced with input from quantum annealers. In this letter we focus on
geometric compactifications of the $E_8\times E_8$ heterotic string theory
compactified on smooth Calabi-Yau threefolds with Abelian bundles. We make use
of analytic formulae for bundle-valued cohomology to impose the entire range of
spectrum requirements, something that has not been possible so far. For
manifolds with a relatively low number of Kahler parameters we compare the GA
search results with results from previous systematic scans, showing that GAs
can find nearly all the viable solutions while visiting only a tiny fraction of
the solution space. Moreover, we carry out GA searches on manifolds with a
larger numbers of Kahler parameters where systematic searches are not feasible.
- Abstract（参考訳）: 弦理論のランドスケープには、標準模型の多数の紫外線埋め込みが含まれているかもしれないが、利用可能な弦のコンパクト化が非常に多いため、これらを特定することは困難である。
遺伝的アルゴリズム(GAs)は、特に量子アニールからの入力によって強化された場合、文字列ランドスケープの減衰を効率的に扱うことのできる、離散最適化技術の強力なクラスである。
このレターでは、アーベル束を持つ滑らかなカラビ・ヤウ3次元多様体上でコンパクト化された$e_8\times e_8$ヘテロティック弦理論の幾何学的コンパクト化に焦点を当てる。
我々は、バンドル値コホモロジーに対する解析公式を用いて、これまで不可能だったスペクトル要求の範囲を全て課している。
比較的少ないカーラーパラメータを持つ多様体に対しては、GA検索結果と以前の体系的スキャンの結果を比較し、GAが解空間のごく一部しか訪れていない間、ほぼすべての実行可能な解を見つけることができることを示す。
さらに,体系的な探索が不可能な多数のケーラーパラメータを持つ多様体上でGA探索を行う。
関連論文リスト
- Exact analytic toolbox for quantum dynamics with tunable noise strength [0.23301643766310368]
我々は、コヒーレントノイズを受ける量子力学の正確な解析処理を可能にする枠組みを導入する。
ハミルトンのアンサンブルを平均化すると、効果的な量子チャネルが生成される。
このアプローチの主な利点は、任意の$N$に対して正確な分析結果にアクセスできることと、ノイズフリー限界に調整できることである。
論文 参考訳（メタデータ） (2024-10-09T18:00:01Z) - Gaussian Entanglement Measure: Applications to Multipartite Entanglement
of Graph States and Bosonic Field Theory [50.24983453990065]
フービニ・スタディ計量に基づく絡み合い尺度は、Cocchiarellaと同僚によって最近導入された。
本稿では,多モードガウス状態に対する幾何絡み合いの一般化であるガウスエンタングルメント尺度(GEM)を提案する。
自由度の高い系に対する計算可能な多部絡み合わせ測度を提供することにより、自由なボゾン場理論の洞察を得るために、我々の定義が利用できることを示す。
論文 参考訳（メタデータ） (2024-01-31T15:50:50Z) - Explainable Equivariant Neural Networks for Particle Physics: PELICAN [51.02649432050852]
PELICANは、新しい置換同変であり、ローレンツ不変アグリゲーターネットワークである。
本稿では,タグ付け(分類)とローレンツ発泡トップクォークの再構成(回帰)の両文脈におけるPELICANアルゴリズムアーキテクチャについて述べる。
PELICANの適用範囲を、クォーク開始時とグルーオン開始時とを識別するタスクに拡張し、5種類のジェットを対象とするマルチクラス同定を行う。
論文 参考訳（メタデータ） (2023-07-31T09:08:40Z) - Higher-order topological kernels via quantum computation [68.8204255655161]
トポロジカルデータ分析(TDA)は、複雑なデータから意味のある洞察を抽出する強力なツールとして登場した。
本稿では,ベッチ曲線の次数増加に基づくBettiカーネルの量子的定義法を提案する。
論文 参考訳（メタデータ） (2023-07-14T14:48:52Z) - Bulk-boundary correspondence and singularity-filling in long-range
free-fermion chains [0.0]
本稿では,1次元BDIおよびAIII対称性クラスにおけるギャップ付き変換不変モデルの解法を提案する。
これらの鎖の物理学は、ハミルトニアンのカップリングによって決定される複素函数を研究することによって解明される。
論文 参考訳（メタデータ） (2022-11-28T19:00:02Z) - Inference of Regulatory Networks Through Temporally Sparse Data [5.495223636885796]
ゲノム工学の大きな目標は、遺伝子制御ネットワーク(GRN)の複雑な動的挙動を適切に捉えることである。
本稿では,ベイズ最適化とカーネルベースの手法を用いて,GRNのスケーラブルかつ効率的なトポロジ推定法を開発した。
論文 参考訳（メタデータ） (2022-07-21T22:48:12Z) - Dist2Cycle: A Simplicial Neural Network for Homology Localization [66.15805004725809]
単純複体は多方向順序関係を明示的にエンコードするグラフの高次元一般化と見なすことができる。
単体錯体の$k$-homological特徴によってパラメータ化された関数のグラフ畳み込みモデルを提案する。
論文 参考訳（メタデータ） (2021-10-28T14:59:41Z) - Revisiting the Sample Complexity of Sparse Spectrum Approximation of
Gaussian Processes [60.479499225746295]
本稿では,ガウス過程に対して,パラメータ空間全体に対して同時に保持可能な保証付きスケーラブルな近似を導入する。
我々の近似は、スパーススペクトルガウス過程(SSGP)のための改良されたサンプル複雑性解析から得られる。
論文 参考訳（メタデータ） (2020-11-17T05:41:50Z) - Search for Efficient Formulations for Hamiltonian Simulation of
non-Abelian Lattice Gauge Theories [0.0]
格子ゲージ理論(LGTs)のハミルトン的定式化は、量子シミュレーションのための最も自然な枠組みである。
計算学的には最も正確であるが、そのような理論におけるハミルトンの定式化(英語版)は依然として重要な課題である。
本論文は,非アベリアLGTの場合において,この問題に対処するための第一歩である。
論文 参考訳（メタデータ） (2020-09-24T16:44:39Z) - Embedding Graph Auto-Encoder for Graph Clustering [90.8576971748142]
グラフ自動エンコーダ(GAE)モデルは、半教師付きグラフ畳み込みネットワーク(GCN)に基づく
我々は、グラフクラスタリングのための特定のGAEベースのモデルを設計し、その理論、すなわち、埋め込みグラフオートエンコーダ(EGAE)と整合する。
EGAEは1つのエンコーダと2つのデコーダで構成される。
論文 参考訳（メタデータ） (2020-02-20T09:53:28Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。